飞灰含碳量作为燃煤锅炉运行的一项重要经济技术指标,直接反映了锅炉的燃烧效率。实时监测飞灰含碳量,有助于及时调整风粉比和煤粉细度,有效平衡燃烧效率和炉内NOx生成浓度,进而保障锅炉的高效清洁燃烧。然而,传统飞灰含碳量分析采用离线的实验室分析,导致分析结果实时性差,难以为锅炉实时调节提供指导。而现有的在线检测方法又存在测量腔易堵灰、煤种适应性差等问题。本世纪初,激光诱导击穿技术(Laser induced breakdown spectroscopy,LIBS)作为一种颇具前景的在线测量方法被提出用于飞灰含碳量的测量。LIBS检测飞灰等粉状样品时,通常选择将样品压成片、堆积平铺或者以颗粒流形式直接测量。相比于前两者,将LIBS直接用于颗粒流测量无需额外的预处理过程,还能够实现飞灰含碳量原位在线检测。然而,飞灰颗粒分布和粒径的不均匀性会引起颗粒激发不完全和等离子位置不稳定的情况,进而导致光谱强度波动和无效光谱出现,对后续定量分析造成显著干扰。因此,本文针对LIBS技术测量飞灰颗粒流过程中存在的光谱稳定性问题,致力于飞灰颗粒流的等离子体光谱稳定性优化方法研究。本文搭建了颗粒流等离子体光谱测量的实验装置,利用石英砂和飞灰颗粒样品深入分析颗粒流光谱检测数据不稳定性的影响程度及其成因。针对大量无效光谱的存在,提出一种基于波峰标准偏差值(Standard deviation,SD)的有效数据筛选方法。通过与绝对强度法和信噪比(Signal-to-noise ratio,SNR)法这两种传统数据筛选方法的对比,证明了SD值法在筛选准确度和稳定性方面的巨大优势,并通过飞灰样品定量分析效果的提升进一步验证了SD值法用于光谱稳定性优化的可行性。此外,针对LIBS检测颗粒流时出现的激发不稳定问题,提出基于颗粒流-电火花诱导击穿光谱技术(Particle flow spark-induced breakdown spectroscopy,PF-SIBS)的光谱数据优化方法,并与LIBS技术所得数据进行对比,分别从定性和定量角度分析了PF-SIBS技术在光谱数据稳定性方面的优势。综合上述研究,将SD值法与PF-SIBS技术综合应用于电厂实际飞灰颗粒流光谱数据的稳定性优化,采用多元回归方法进行含碳量的定量分析,提高了飞灰含碳量预测的准确度,测量结果满足现场检测需求,验证了综合优化方法的可行性。